毕业设计(论文)开题报告参考模板

《毕业设计(论文)开题报告参考模板》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业设计（论文）开题报告题目：滤波器电路特征提取与故障预测算法研究专业信息与电气工程学院学生学号班号指导教师曰期2015年1月6号1.课题背景及研究的目的和意义1.1课题背景随着电了科技的高速发展，现代电了系统已遍布家用、通信、测量、0动控制、运输、科研等各个领域，各式电子设备日趋大型化和复杂化，结构也越来越复杂。在满足人们需求的同时，各种电子系统和设备发生故障的可能性与复杂性也在相应增加，尤其在通信、航空航天及自动化工厂等领域，一旦设备出现故障而未能及吋维修解除，由此造成的人力、财力损失将是难以估量的。因此

2、，电路的特征提取与故障预测成为一个重要的研究领域和难点问题。1.2研究的目的和意义对于模拟电路故障预测，故障特征量的提取是模拟电路健康状态正确评估的关键。为了使故障预测正确可靠，总希望能尽可能多的提取故障特征量，从而尽可能多的获得电路的故障信息。而随着电子技术的发展，电子系统日趋复杂，测试参数较多，每个测点都包含了系统健康状态信息，在实际测试中，随着故障特征量数目的增大必然给实际的预测诊断工作造成一定的困难，并且在实际电路中，每个特征量对于每个元件的敏感度都不同，对不同故障类型的故障识别能力也不同，如果对所冇

3、的故障类型都采用事先确定好的测点和特征量，在电路实际发生故障吋，奋的特征量对此吋出现的故障类型提供的有用信息并不多，反而对故障识别造成干扰。针对以上问题，运用电路特征提取方法，提取在电路实呩运行过程中对此时山现的故障类型提供有效的故障信息量大的特征量，去除一些对故障信息无贡献或者贡献率很小的特征量，在降维的同时也保证了所选特征量的最优性。目前电子系统R趋复杂，为了防止灾难性故障的发生，“事后维修”已不能满足耍求，迫切的需耍一种冇效的预测模型通过电子系统的历史数据，实现对系统未来状态的预测，从而使灾难防范于未然

4、。电子系统的故障预测技术是比故障诊断技术更高级的监测技术，通过相应的预测方法利用测试点的历史数据进行分析，对系统未来的运行状态进行预测，以便能在故障真正发生前采取有效的措施，减少损失。2.国内外在该方向的研究现状及分析将从W内外阿个方面分别阐述模拟故障诊断的研究现状。2.1国外现状及分析在国外，模拟电路故障预测的口的是采用预测方法对提取的故障特征量进行数值预测，将得到的特征量的数值通过相应的故障识别方法来预测未来一段时间电路的健康状态，因此如何提取有效的故障特征量以提高对电路健康状态的正确预测率就成为了一个重

5、要的研究课题。目前关于特征提取方法的研究已很多，众多学者提出了许多关于故障特征提取的方法，如基于故障信息量的特征提取、基于主成分分析的特征提取、基于核函数的特征提取等。(1)基于故障信息量的特征提取2004年，Januse［1］提出了基于最佳测试点选择的互信息熵特征提取方法，取得显著效果；2005年，万久卿121用香农信息嫡对在一定测点上测量前后电路故障状态的不确定性进行了定量描述，在此基础上提出了测点集合诊断信息量的概念并给出了其估计方法；2006年，袁海英131利用二元树的信息传递性实现模拟电路的故障定位

6、，从故障特征群中快速定位故障点，实现模拟电路故障的冇效诊断；2010年，王佩丽［41提出了一种基于模糊优化小波包分解的模拟电路故障特征提取算法，将特征集输入LSSVM网络，以实现对不同故障类型的识别。(2)基于主成分分析的特征提取2007年，康缘［5］将时频分析的方法应用于声目标的特征提取及分类，利用基于时频分析的主成分特征提取技术对四类战场目标的声信号进行了特征提取；2008年，魏旭［6］基于主成分分析的特征融合算法的运算效率进行了一定的研究，引入施密特正交化方法，提出了改进的快速二维主成分分析以及快速对角

7、主成分分析，将其应用到弱小门标的匹配识别屮，并分析了不同的压缩比对运算吋间的影响;2010年，YudongXu171提出了主成分分析和BP神经网络在正常噪声中的预测应用，取得很好的效來。(3)基于核函数的特征提取2007年，AnnaWang181提出了基于特征提取比较算法，井通过实验验证取得良好效果；2008年，黄啸l9j通过将核函数分为局部性核函数和全局性核函数，在保持原旮核函数基木特性的基础上，并通过对其进行组合，引入了混合核函数，最后通过提岀一种修正的高斯核函数；2011年，李希鹏［10］采用单个核函数

8、的支持向量机具有很大局限性，为了得到学习能力和泛化能力都很强的核函数，采用了一种新的浞合核函数。2.2国内现状及分析在设备发生问题吋，无论是事后维修还是定期维修都将付出高额的维修费，因此这种方式已不冉适用。我们应该采取事先对设备的健康问题进行检测的方法，根据设备不同状态“视情维修”。近年来国内都对设备预测方法进行了深入的研究，取得的成果也非常的可观，对故障预测的方法主要分为以下儿种。(1)小波神经网